La ganadería inteligente tiene como objetivo mejorar la productividad del ganado a través de la provisión de una vivienda óptima, y se desarrolla utilizando varios sensores y actuadores. Los sistemas de ventilación desempeñan un papel crucial en la ganadería inteligente, incluida la prevención de enfermedades y el procesamiento de contaminantes (amoníaco y sulfuro de hidrógeno) que son gravemente perjudiciales para el crecimiento del ganado. Los fallos en los sistemas de ventilación de la vivienda animal conducen a eventos de mortalidad masiva. Para abordar estos problemas, este estudio informa sobre el diseño e implementación de un sistema de detección inteligente para fallos en los dispositivos de ventilación instalados en la vivienda animal. Este sistema se basa en redes neuronales recurrentes (RNN) e implementa el método de ontología, considerando los datos del sensor y del controlador como estándar. Se utilizó una ontología de red de sensores semánticos basada en una base de conocimientos para detectar fallos, y se utilizaron patrones de estímulo-sensor-observación para determinar una red de sensores dentro del granero inteligente. Las pruebas de activación del sistema y del modelo RNN se utilizaron para probar el sistema de detección de fallos, y se encontró que el error entre los datos reales y los valores predichos era de 0.06889. Estos hallazgos proporcionan información sobre el desarrollo de sistemas de detección autónomos para fallos en dispositivos y son esenciales para el desarrollo de tecnologías de ganadería inteligente.